Imperial College London（帝国理工学院）

Gradient Regularized Newton Boosting Trees with Global Convergence

具有全局收敛性的梯度正则化牛顿提升树

Nikita Zozoulenko, Daniel Falkowski, Thomas Cass, Lukas Gonon

机构 * Department of Mathematics, Imperial College London, UK（帝国理工学院伦敦数学系） ； School of Computer Science, University of St. Gallen, Switzerland（圣加尔登大学计算机科学学院） ； Department of Mathematics, Stockholm University, Sweden（斯德哥尔摩大学数学系） 纠错

AI总结 本文提出受限牛顿下降法，通过研究在希尔伯特空间上使用牛顿法进行凸优化，证明了牛顿提升在满足Hessian主导条件的光滑强凸损失下的线性收敛率，并通过引入适应性ℓ2正则化项实现对一般凸损失的全局收敛。

High Dynamic Range 3D Gaussian Splatting via Luminance-Chromaticity Decomposition

高动态范围3D高斯散射 via 光亮度-色度分解

Kaixuan Zhang, Minxian Li, Mingwu Ren, Jiankang Deng, Xiatian Zhu

机构 * Nanjing University of Science and Technology（南京理工大学） ； Imperial College London（伦敦帝国理工学院） ； University of Surrey（萨里大学） 纠错

AI总结 本文提出基于光亮度-色度分解的3D高斯散射方法，通过解耦亮度与色度参数，提升学习灵活性，实现更高效的高动态范围3D重建。